اسرین حسینی؛ محمدرضا گلابی؛ صفر معروفی؛ نسیم خالدیان؛ محمد سلطانی
چکیده
شبیهسازی فرآیند بارش -رواناب به عنوان مهمترین گام در مطالعات مهندسی آب و مدیریت منابع آب است. برنامهریزی بهرهبرداری از منابع آبهای سطحی و زیرزمینی، ساماندهی رودخانهها و هشدار سیل نیاز به پیشبینی آبدهی رودخانه و رواناب حوزه آبخیز دارد. در مطالعه حاضر به منظور مدلسازی بارش- رواناب از روش شبکه عصبی توسعه یافته با فیلتر کالمن ...
بیشتر
شبیهسازی فرآیند بارش -رواناب به عنوان مهمترین گام در مطالعات مهندسی آب و مدیریت منابع آب است. برنامهریزی بهرهبرداری از منابع آبهای سطحی و زیرزمینی، ساماندهی رودخانهها و هشدار سیل نیاز به پیشبینی آبدهی رودخانه و رواناب حوزه آبخیز دارد. در مطالعه حاضر به منظور مدلسازی بارش- رواناب از روش شبکه عصبی توسعه یافته با فیلتر کالمن (EKFNN) استفاده شد و سپس نتایج با روش برنامهریزی بیان ژن (GEP) که در اکثر مطالعات اخیر عملکرد خوبی از خود در مدلسازی بارش- رواناب نشان داده بود، مقایسه گردید. دادههای مورد استفاده در این مطالعه بارش و رواناب روزانه ایستگاههای بارانسنجی و آبسنجی دشت ملایر که شامل ایستگاههای پیهان، مرویل و نامیله است در طول دوره آماری 1380 تا 1392 میباشد. نتایج نشانگر برتری مدل EKFNNنسبت به مدل دیگر در مدلسازی جریان روزانه رودخانه در دشت ملایر داشت. علاوه بر این سرعت اجرای مدل برنامهریزی بیان ژن بیشتر بود و در زمان کوتاهی قادر به ارائه نتایج بود. در نهایت مدل EKFNN به عنوان مدل برتر برای دشت ملایر انتخاب شد.